一种坐标时间序列周期项的提取方法技术

本发明专利技术涉及一种坐标时间序列周期项的提取方法，属于定位导航技术领域。方法包括：获取原始坐标时间序列，计算原始坐标时间序列的功率谱；将原始坐标时间序列进行R次随机重排，计算每次随机重排后的功率谱；根据每次重排后，每个频点的原始功率谱密度值、以及重排功率谱密度值确定每个频点的置信水平；置信水平越大，该频点为噪声的概率越低；置信水平越小，该频点为噪声的概率越大；在原始功率谱中，挑选出置信水平大于置信阈值的频点，得到去噪后的功率谱；在去噪后的功率谱中进行周期项的提取。本发明专利技术通过随机重排计算每个频点的置信水平，去除了噪声对周期项提取的影响，提高了周期性提取的科学性和准确性。期性提取的科学性和准确性。期性提取的科学性和准确性。

【技术实现步骤摘要】
一种坐标时间序列周期项的提取方法


[0001]本专利技术涉及一种坐标时间序列周期项的提取方法，属于定位导航


技术介绍

[0002]坐标时间序列中包含显著的非线性变化(尤其是垂直方向上)，研究表明，非线性变化 的振幅可以达到1～2cm。然而，基准站的坐标时间序列作为地球参考框架建立和维持的关键 基础数据，这种非线性变化会对地球参考框架的精度和稳定性产生影响，因此研究坐标时间 序列的非线性变化是进一步提升参考框架精度和稳定性的重要途径。
[0003]坐标时间序列中的非线性变化主要包括：1.由地球物理效应引起的基准站坐标真实的非 线性变化，比如环境负载(包括大气负载、水文负载、非潮汐海洋负载等)和热膨胀效应等； 2.由数据处理模型不完善或其他系统误差引起的虚假的非线性变化，比如天线相位中心误差 和光压模型误差等；3.其他未模型化的因素引起的形变以及观测噪声。从非线性变化的来源 来看，其主要表现形式是各种周期性变化，即不同的周期项。因此，研究坐标非线性变化无 法避开的一个问题就是坐标时间序列中周期项的探测识别和提取。
[0004]目前，坐标时间序列中周期项的提取方法主要有功率谱分析、小波分析、奇异值谱分析 (Singular Spectrum Analysis,SSA)等。其中，功率谱分析是最直观、也是目前使用最多的 方法。采用功率谱分析进行周期项的探测识别的主要思路是通过求取坐标时间序列的功率谱 或功率谱密度，进而在频域对潜在的周期项进行探测。
[0005]传统的功率谱估计方法主要是基于傅里叶变换，包括：相关函数法、周期图法等，其中 相关函数法以时间序列的相关函数为媒介，通过求取相关函数的傅里叶变换的得到相应的功 率谱；周期图法则直接对时间序列做傅里叶变换求得功率谱。后续，有人提出通过对已有时 间序列进行建模来获取相应的功率谱，比较常用的是最大熵谱估计法。
[0006]无论是传统的功率谱估计方法还是后续提出的现代功率谱估计方法，在得到坐标时间序 列的功率谱后，只能通过人工或者设置阈值的方式对潜在的周期项进行探测识别，而坐标时 间序列中往往包含着噪声，噪声会对潜在的周期信号产生影响，甚至掩盖较小的周期信号， 进而导致潜在的周期信号无法被识别或错将噪声识别为周期信号，导致周期项提取的准确性 较低。

技术实现思路

[0007]本申请的目的在于提供一种坐标时间序列周期项的提取方法，用以解决现有周期项提取 准确性低的问题。
[0008]为实现上述目的，本申请提出了一种坐标时间序列周期项的提取方法的技术方案，包括 以下步骤：
[0009]1)获取原始坐标时间序列，计算原始坐标时间序列的功率谱，称为原始功率谱；所述 原始功率谱包括频点、以及频点对应的原始功率谱密度值；
[0010]2)将原始坐标时间序列进行R次随机重排，计算每次随机重排后的坐标时间序列
的功 率谱，称为重排功率谱；所述重排功率谱中包括频点、以及频点对应的重排功率谱密度值； R大于设定次数阈值；
[0011]3)根据每次重排后，每个频点的原始功率谱密度值、以及重排功率谱密度值计算每个 频点对应的置信水平；所述置信水平越大，该频点为噪声的概率越低；置信水平越小，该频 点为噪声的概率越大；
[0012]4)在原始功率谱中，挑选出置信水平大于置信阈值的频点，得到去噪后的功率谱；
[0013]5)在去噪后的功率谱中进行周期项的提取。
[0014]本专利技术中坐标时间序列周期项的提取方法的技术方案的有益效果是：本专利技术通过对原始 坐标时间序列和随机重排后的坐标时间序列求取功率谱，进而得到每个频点的置信水平，通 过置信水平判断频点是否为噪声点：置信水平大，频点为噪声的概率低；置信水平小，频点 为噪声的概率大，因此在原始功率谱中，将置信水平较小的频点进行剔除，得到去噪的功率 谱，进而在去噪的功率谱中提取周期项。本专利技术通过随机重排计算每个频点的置信水平，去 除了噪声对周期项提取的影响，提高了周期性提取的科学性和准确性。
[0015]进一步的，置信水平的计算过程如下：
[0016][0017][0018]其中，CL(f
k
)为频率f
k
的置信水平；R为随机重排的次数；P
X
(f
k
)为频率f
k
对应的 原始功率谱密度值；为第i次重排后，频率f
k
对应的重排功率谱密度值。
[0019]进一步的，为了提高周期项提取的准确性，所述步骤5)中提取周期项的方法为：在去 噪后的功率谱中确定若干个主瓣区域；找出每个主瓣区域中最大原始功率谱密度值对应的频 点，该频点的倒数即为该主瓣区域的周期项。
[0020]进一步的，为了提高主瓣区域确定的准确性，利用分段原则将去噪后的功率谱划分为多 个主频点辐射区域，每个主频点辐射区域包括一个主瓣区域及若干旁瓣区域；所述分段原则 为：相邻候选频点的频率差值大于2ofac
×
t
s
，或候选频点的区间峰值出现先减小后增大的情 形；所述候选频点为挑选出的置信水平大于置信阈值对应的频点；所述候选频点的区间峰值 为主瓣或者旁瓣的峰值；ofac为过采样率，t
s
为原始坐标时间序列的采样间隔。
[0021]进一步的，为了提高周期项提取的准确性，通过第一过采样率计算原始功率谱，通过第 二过采样率计算最大原始功率谱密度值，用于确定最终的周期项对应的频点，第二过采样率 大于第一过采样率。
[0022]进一步的，通过Lomb
–
Scargle周期图法计算功率谱。
附图说明
[0023]图1是本专利技术坐标时间序列周期项的提取方法的流程图；
[0024]图2是本专利技术去噪后功率谱根据第一个分段原则进行主频点辐射区域划分的示意图；
[0025]图3是本专利技术去噪后功率谱根据第二个分段原则进行主频点辐射区域划分的示意图。
具体实施方式
[0026]坐标时间序列周期项的提取方法实施例：
[0027]本专利技术的主要构思在于，针对坐标时间序列中噪声的影响，导致周期项提取准确性低的 问题，本专利技术首先得到原始坐标时间序列的功率谱、以及原始坐标时间序列经过R次随机 重排后的功率谱，接着通过原始功率谱和重排功率谱得到每个频点下原始功率和重排功率的 大小关系，进而得到每个频点的置信水平，通过置信水平的阈值判断将原始坐标时间序列中 噪声的影响去除或减弱，提高周期性提取的准确性。
[0028]具体的，坐标时间序列周期项的提取方法如图1所示，包括以下步骤：
[0029]1)获取原始坐标时间序列，原始坐标时间序列X(t
j
)包括N个采样点，其中t
j
为第j个 采样时刻，j＝1,2,
…
,N。
[0030]2)通过Lomb
–
Scargle周期图法求取原始坐标时间序列的功率谱，称为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种坐标时间序列周期项的提取方法，其特征在于，包括以下步骤：1)获取原始坐标时间序列，计算原始坐标时间序列的功率谱，称为原始功率谱；所述原始功率谱包括频点、以及频点对应的原始功率谱密度值；2)将原始坐标时间序列进行R次随机重排，计算每次随机重排后的坐标时间序列的功率谱，称为重排功率谱；所述重排功率谱中包括频点、以及频点对应的重排功率谱密度值；R大于设定次数阈值；3)根据每次重排后，每个频点的原始功率谱密度值、以及重排功率谱密度值计算每个频点对应的置信水平；所述置信水平越大，该频点为噪声的概率越低；置信水平越小，该频点为噪声的概率越大；4)在原始功率谱中，挑选出置信水平大于置信阈值的频点，得到去噪后的功率谱；5)在去噪后的功率谱中进行周期项的提取。2.根据权利要求1所述的坐标时间序列周期项的提取方法，其特征在于，置信水平的计算过程如下：算过程如下：其中，CL(f
k
)为频率f
k
的置信水平；R为随机重排的次数；P
X
(f
k
)为频率f
k
对应的原始功率谱密度值；为第i次重排后，频率f
k
对应的重排功率谱密度值。3...

【专利技术属性】
技术研发人员：贾彦锋，朱新慧，孙付平，肖凯，何劢航，柯能，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：